如何使正则表达式在找到每个匹配项时不使用文本？

Question

我需要检测内容中的四个字密码，它们是从n字到m字之间的序列。所有四个单词的序列都必须被检测，即使是部分重叠的序列，这是我的问题，因为我只知道如何写一个序列，该序列消耗四个单词，然后移动到从那个单词末尾开始的下一个fords序列。

例如，如果我有顺序：

随机正确的马电池短钉虫锡帽

我用：

(A-Za-z0-9+ ){4}(A-Za-z0-9+)

它只会发现：

• 随机校正马队

和

• 短缩锡帽

但实际上我需要找到以下所有内容：

• 随机校正马队
• 正确的马电池短钉
• 马电池短钉虫
• 电池短钉虫锡
• 短缩锡帽

所以提供的字符串中的所有四个单词序列。

我明白我的问题是，当我的正则表达式找到第一次匹配时，它会消耗掉前四个单词。

任何人都可以解释如何使正则表达式只“消耗”第一个单词，然后给我从第二个单词开始的下一个有效序列，等等。

谢谢!

• 列表项目

Answer 1

正如注释中指出的，要匹配4个单词，量词必须是3，而不是4，这样才能使总数达到4。

在匹配字符[A-Za-z0-9]时，可以使用单词边界\b启动匹配。

然后(如果支持的话)使用一个积极的前瞻性来捕获单个捕获组中的4个单词。

\b(?=((?:[A-Za-z0-9]+ ){3}[A-Za-z0-9]+\b))

• \b A字界
• (?=正向前看，直接向右断言为
  • ( Capture group 1
    • (?:[A-Za-z0-9]+ ){3}重复3次匹配的1+，乘以字符类，后面跟着空格
    • [A-Za-z0-9]+\b匹配1+乘以列出的任何一个单词边界

- `)` Close group 1

• )近景

Regex演示

与您尝试的模式相反的Note，量词重复非捕获组(?:[A-Za-z0-9]+ ){3}，因为重复捕获组只返回上次迭代的捕获。

没有标记的语言，例如Javascript

​

const regex = /\b(?=((?:[A-Za-z0-9]+ ){3}[A-Za-z0-9]+\b))/g;
const str = `random correct horse battery staple bug tin hat`;
let m;

while ((m = regex.exec(str)) !== null) {
  // This is necessary to avoid infinite loops with zero-width matches
  if (m.index === regex.lastIndex) {
    regex.lastIndex++;
  }
  console.log(m[1]);
}

​

Answer 2

你可能会成功的看头和后面寻找解决多重重叠，如果你成功了，我相信表达将是混乱的。下面是关于regex前瞻性，查找后面的链接：

Regex前瞻、查找和原子组

这可能有助于：

它不是用正则表达式来解决的。它与“滑动窗口”和四个“单词”相匹配：

public static void main(String[] args) {
    String input = "random correct horse battery staple bug tin hat";
    String[] arr = input.split("\\s+");

    Pattern pattern = Pattern.compile("([A-Za-z0-9]+\\s){4}");

    for (int i = 0; i <= arr.length - 4; i++){
        String fourWords = String.format("%s %s %s %s ", arr[i], arr[i + 1], arr[i + 2], arr[i + 3]);
        Matcher matcher = pattern.matcher(fourWords);

        if(matcher.find()) {
            System.out.println(matcher.group());
        }
    }
}

输出：

random correct horse battery
correct horse battery staple
horse battery staple bug
battery staple bug tin
staple bug tin hat 

Answer 3

不能仅用regex来完成，因为返回的输入是消耗的。

拆分字符串并与令牌一起工作(如

List<String> words = Arrays.asList(sentence.split(" "));
List<List<String>> fourGrams = new ArrayList<>();
for (int i = 0; i < array.length - 4; i++) {
    fourGrams.add(words.subList(i, i + 4));
}